本文是一篇新闻媒体学论文，本文通过问卷调查与半结构化访谈，探索了算法抵抗行为产生的影响因素，得出了社会价值、认知价值两个直接影响因素，以情绪倦怠为中介变量的信息质量、时间成本、隐私关注对算法抵抗的三个间接影响因素；
第1章绪论
1.1问题的提出
随着平台型媒体的崛起、社会生活的数字化和算法推荐应用的不断拓展，人们与算法形成紧密的关系。在电商购物、社交娱乐、信息咨询平台等整个社会信息分发市场中，智能算法推荐型分发模式占比已超过70%。算法改变了信息发布的规则，由传统的无目的大众分发，变为基于用户画像、场景和使用情况追踪下的智能分配模式①，一方面，它提高了信息分发的效率，使用户能获取更符合自己需求的信息；另一方面，大量同质化和娱乐化信息接收下易造成信息茧房、手机成瘾等问题，用户在大量的信息海洋中“迷失自己”，进而引发一系列更深刻的社会问题，如个性化孤独、新的“知沟”和隐私泄漏等。在这场人与技术的博弈中，人类驯化了所研发的算法，但是当算法深刻嵌入我们的生活，人类又被算法“反向驯化”，成为“算法囚徒②”。算法对于普通用户来说是“黑箱”一般的存在，然而目前算法正在成为国家数字基础设施的一部分，嵌入社会服务、政府治理和医疗保健等行业，算法也影响公共议题、事件和人物的可见性③，这要求我们了解用户的算法意识和水平。
算法善用是技术发展的价值取向。为了规避算法带来的风险，国家和政府先后颁布了《关于加强互联网信息服务算法综合治理的指导意见》（2021）、《国家发展改革委等部门关于推动平台经济规范健康持续发展的若干意见》（2021）、《互联网信息服务算法推荐管理规定》（2022）等一系列政策，为算法的健康应用提供了制度保障；各大主流平台也上线了一键关闭算法推荐的功能，用户可通过主动选择“此类内容过多”“我不想看”“我不感兴趣”等来优化自己界面的推荐内容；中国青年报社社会调查中心对1144名受访者进行的一项调查显示，大部分人深受算法所扰，53.8%的受访者表示《互联网信息服务算法推荐管理规定》落地后，会选择关闭算法推荐功能④。
1.2研究意义
本文的研究意义具体分为理论意义和现实意义。首先，从理论意义上来说，数字化社会下，用户不只是被数据化的存在，他们存在一定的主动性，能够用自己的行为去影响算法。对用户算法抵抗行为的具体影响因素进行多维度的分析，利于理解信息场域中，哪些因素会对用户产生刺激。这对于理解社交媒体时代用户的主动性有更进一步的探讨；同时，由于算法抵抗行为是一种消极使用行为，因此也利于理解当下推荐算法存在何种负面影响；在此基础上，对于未来构建新型人技关系提供了更多思路。
从现实意义上来说，了解当下平台算法存在的问题和大学生群体的算法态度，可引起用户日常使用中对平台和技术的警惕，提高用户算法意识；了解用户对算法推荐的看法，发现算法推荐存在的问题，为平台治理、改进服务提供一定的借鉴意义；此外，为进一步推进互联网信息综合管理和数字化政府建设提供一定的经验依据，利于建设健康可持续的社交媒体平台生态。
第2章研究设计
2.1问卷设计
问卷设计主要包含问卷发放前的确定问卷变量、制定研究假设和列出问卷框架，问卷的发放、回收和确定后续问卷数据处理的方法等步骤，为进一步开展研究奠定基础。
2.1.1问卷变量的构成
本研究在前人研究基础上，沿着“感知—情感—行为”的路径展开研究，并引入感知价值和情绪倦怠理论来具体考察影响算法抵抗的因素。本文的自变量为感知价值，在确定具体维度时，结合前人研究和社交媒体算法推荐的特点，发现信息质量是影响社交媒体使用的重要因素，并且将它划入感知利益维度，因此，本文将认知价值、社会价值、信息质量和时间成本、隐私关注确定为自变量的五个具体维度。本文的因变量为算法抵抗行为。情绪倦怠则构成本构成本文的中介变量。性别、年龄、受教育程度等人口统计学属性作为控制变量。
2.1.2研究假设
在确定了社会价值、认知价值、信息质量、时间成本、隐私关注五个自变量和情绪倦怠一个中介变量，算法抵抗行为一个因变量，从本次研究的问题出发，结合前人研究，对本文研究话题进行假设。本文假设总结如表2.1本研究假设总结所示，建构了如图2.1所示的模型图，具体含义主要是：
（1）情绪倦怠：根据社交媒体平台倦怠研究可知，情绪倦怠作为一种消极使用情绪，对用户是否持续使用社交媒体平台有一定的影响，因此，本文假设情绪倦怠与算法抵抗行为之间呈正相关，这构成本文的假设H0a。此外，本文将情绪倦怠作为感知价值影响算法抵抗的中介变量，情绪倦怠在感知价值对算法抵抗的影响中发挥中介作用，具体假设为H01—H05：H0a:情绪倦怠与大学生对算法的抵抗呈正相关。H01:认知价值通过情绪倦怠负向影响算法抵抗行为；H02:社会价值通过情绪倦怠负向影响算法抵抗行为；H03:信息质量通过情绪倦怠负向影响算法抵抗行为；H04:时间成本通过情绪倦怠正向影响算法抵抗行为；H05:隐私关注通过情绪倦怠正向影响算法抵抗行为。
2.4数据处理方法
对于回收的问卷数据，本文将将采用SPSS27.0软件和AMOS25.0软件进行分析。本文主要采用SPSS27.0软件数据来进行样本的信度和效度分析、描述性统计分析，对样本的基本情况进行了解。
由于本文存在多个自变量，并且根据假设构建了研究模型，因此需要运用AMOS25.0软件来创建模型并对变量之间的关系进行检验。AMOS25.0软件是功能强大的结构方程（Structural Equation Modeling，SEM）建模工具，不同于传统多元回归分析需要多次计算来检验变量之间的关系，它在建立模型后只需要一次计算，能够更加准确、直观地反应变量间的复杂关系。本文主要采用AMOS25.0软件来对样本数据的结构模型和中介假设进行检验。
第3章 资料统计与分析 ......................... 18
3.1 正式样本的回收 .................................... 18
3.2 信度与效度分析 .................................. 19
第4章 研究结论 ......................... 34
4.1 直接影响因素分析:感知利益无法满足 ......................... 34
4.1.1 认知价值直接负向影响算法抵抗行为 ................... 34
4.1.2 社会价值直接负向影响算法抵抗行为 ...................... 35
第5章 启示........................... 44
5.1 平台:主动担当作为,改善社交媒体环境 ..................... 44
5.1.1 理念坚守:坚持科技向善,明确公私边界 ................................ 44
5.1.2 质量保证:加大信息审核,提高信息质量 ................................ 45
第4章研究结论
4.1直接影响因素分析：感知利益无法满足
在验证自变量对因变量的直接影响路径时，即认知价值、社会价值、信息质量是否与算法抵抗呈负相关、时间成本和隐私成本是否与算法抵抗呈正相关，在这五个假设中，只有认知价值和社会价值与算法抵抗呈负相关的假设成立。据表3.12路径假设检验结果显示，认知价值对算法抵抗行为的标准化路径系数为-0.135，显著性p小于0.05，认知价值负向影响算法抵抗行为；社会价值对算法抵抗行为的标准化路径系数为-0.234，显著性p小于0.05，社会价值负向影响算法抵抗行为，并且数据表明这也是影响大学生群体最强的影响因素。这两个维度均属于感知利益，由此可知，当算法推荐无法满足大学生群体的感知利益时，更易产生算法抵抗行为，认知价值和社会价值为算法抵抗的两个直接影响因素。
4.1.1认知价值直接负向影响算法抵抗行为
认知价值围绕算法推荐的信息是否能够满足大学生群体的好奇心、知识获取的需求和激发深层认知的意愿展开。本文研究表明，当算法推荐的信息无法满足大学生的认知价值时，则更容易产生算法抵抗行为。问卷开放题28人填写的答案中，7位被调研对象都提到信息茧房，依据概念划分，将其划分为认知价值维度。信息茧房指将人包裹在“蚕茧”般的信息中，失去以不同的态度与视角认识社会的能力①，这表明大学生群体意识到算法推荐的同质化信息传播无法满足自己的认知价值，并由此产生对此类信息和算法推荐的抵抗。
在访谈中，被访者F5表示，“当我给一种类型的视频点了赞，我的主页基本上全部都是这种类型的推送，这会造成审美、观看内容的单一和片面，我需要看数十个不感兴趣的视频来踢掉此类推送。以个性化为理由的算法推荐，用统一的算法抹去了所有人的个性化偏好和思维模式，人成为统一投喂的用户，无法接收到自己真正需要的信息。”
第5章启示
5.1平台：主动担当作为，改善社交媒体环境
科技的一次次迭代，极大地改变了人们的生活方式，发挥出“善”的巨大力量，但同时伴随其中的科技的“恶”也值得人深思。由算法抵抗产生的影响因素中可得知，社交媒体平台中的算法规则存在一定的缺陷，不仅给用户带来了不好的使用体验，还存在侵犯用户隐私等违法行为，这要求社交媒体平台从理念坚守、质量保证、算法优化三方面加强整改，促进平台健康长远发展。
5.1.1理念坚守：坚持科技向善，明确公私边界
社交媒体平台出于商业盈利考虑，需要获取用户的注意力，这是无可厚非的，但当这成为社交媒体平台的首要价值评判原则时，便违背了科技使用的初心。通过对使用者的历史浏览行为分析、实施监视现在和推荐相关内容，试图引导使用者的未来行为①，一味将情绪主导的信息推送到大学生用户群体面前，强制性对用
